[材料一]《科学》杂志：机器学习究竟将如何影响人类未来的工作？
近几十年来，数字计算机已经改变了几乎所有经济部门的工作，我们正处于一个迅速转变的开始阶段，但关于机器学习对劳动力和经济的具体影响的认识并未确定。目前一些工作的一部分适合机器学习，而其他部分还不适合。因而，机器学习对劳动力和经济的影响还是有限的，还没有像有些人宣称的那样——会迎来 “工作的终结”。
我们认为，当下关于机器学习可能对劳动力和经济产生影响的讨论，应该从两个基点出发：第一，我们离通用人工智能还很远；第二，机器不能完成人类的全部任务。可以预测，在机器学习日益渗入应用领域的过程中，剩下不适合机器学习的任务将会促进人类激发这些方面的能力，使新的工作成为可能。由于机器学习迅速发展，可能将对经济产生很大的破坏性。机器学习既产生赢家，也产生输家，即每当机器学习跨越一个门槛，在某个任务上比人更具成本效益时，企业为了利润最大化，将会越来越多地用机器代替人工，这必将转移劳动力需求，重组行业。这需要引起我们高度重视。
就目前而言，创建一个计算机程序仍需要很多人的编程，但在一些领域，这个复杂而成本昂贵的工作正逐渐用训练有素的机器学习来完成，机器学习已经产生比人类程序员更精确可靠的程序(例如人脸识别和信用卡欺诈检测)，大大降低了程序设计和维护的成本，相关行业的就业形势正开始受到冲击。(有删改)
[材料二]学习是人类的一种重要智能行为。机器能否像人类一样具有学习能力呢？ 1959年，美国的塞缪尔设计了一个下棋程序，该程序具有学习能力，它能在不断对弈中改善自己的棋艺。4年后，该程序战胜了设计者本人。又过了3年，该程序战胜了美国保持8年不败的冠军。
目前，机器学习已经有了十分广泛的应用，如：数据挖掘、自然语言处理、语音和手写识别、生物特征识别、搜索引擎、医学诊断、“信用卡欺诈检测、DNA序列测序、证券市场分析和机器人运用等。(有 删改)
[材料三]2017年12月7日，是国际象棋界里有里程碑意义的一天，但这并不是计算机击败人脑，而是AlphaZero 程序击败了StockfishB程序。Stockfisha8 是2016年全球计算机国际象棋冠军，运用的是几百年来积累的人类国际象棋经验，再加上几十年的计算机国际象棋经验，每秒计算7000万次。相较之下， AlphaZero 每秒只计算8万次，而且写程序时完全没教它任何国际象棋规则，它连基本的起手走法都不会！ AlphaZero 完全运用最新的机器学习原理，通过不断和自己下棋来自学，而后在与Stockfish8的100场比赛中赢了28场平72场。AlphaZero 没有向任何人学习，许多获胜走法和策略对人类来说完全是打破常规的，可以说创意十足，令人叫绝。那么，它用了多久才准备好和Stockfish8对局，而且展示出天才般的能力？答案是4个小时。只用4个小时，就在国际象棋这项人类智慧的绝顶游戏中所向披靡，令人惊叹！
(有删改)
